MTODO MONTE CARLO

El origen de esta tcnica se remonta a la dcada de 1940 y hace referencia al Casino

de Monte Carlo, considerada tradicionalmente la capital del azar, al tomar una ruleta como
un generador simple de nmeros aleatorios. En 1940, los matemticos Neuman y Ulam
aplicaron el mtodo de simulacin aleatoria al campo de experimentacin de las armas
nucleares.
La utilizacin del mtodo Monte Carlo como va de investigacin procede del trabajo
realizado en la creacin y desarrollo de la bomba atmica en el contexto de la Segunda Guerra
Mundial en el Laboratorio de los lamos en Estados Unidos. Lo que se realiz en aquel
momento fue la simulacin de cuestiones de probabilidad con respecto a la difusin de
neutrones.
Hoy en da se trata de unos de los mecanismos de mayor peso a la hora de realizar algoritmos
de raytracing para generar imgenes en 3D.

El mtodo de Monte Carlo es una tcnica cuantitativa de simulacin que permite

calcular estadsticamente, mediante modelos matemticos, el valor final de una secuencia de
sucesos de comportamiento aleatorio de sistemas reales no deterministas (sujetos a
variabilidad), como es el caso del plazo o el costo de un proyecto.

El mtodo de Montecarlo proporciona soluciones aproximadas a una gran variedad

de problemas matemticos, es aplicable a cualquier tipo de problema, ya sea estocstico o
determinista. As, en la actualidad es posible encontrar modelos que hacen uso del mtodo
de Monte Carlo en reas informticas, empresarial, econmica, industrial e incluso soial.

En la prctica este anlisis consiste en ejecutar varias veces los diferentes sucesos
variando aleatoriamente su valor en funcin de la funcin estadstica que los define, dando
como resultado un conjunto de valores finales. Este conjunto de valores permite calcular el
valor medio y la variabilidad para el conjunto.

Las estimaciones de plazo y costo que hacemos durante la planificacin de un

proyecto estn sujetas a variabilidad. Esta variabilidad es debida a diversos factores
como puede ser un ejemplo que una determinada tarea no cuesta o dura siempre lo mismo,
Por ello no es conceptualmente correcto dar un valor determinado para el costo o la duracin
de un proyecto, aunque todos lo hacemos, ya que estos van a estar sujetos a variabilidad. Por
el contrario, lo ms correcto sera hablar de un valor medio y una variabilidad para el costo
o la duracin total de un proyecto, los cuales pueden determinarse mediante el anlisis de
Monte Carlo.
 Podemos encontrar ciertas claves para el mtodo Monte Carlo

Crear un modelo
matemtico del sistema
que se requiere analizar
Identificacin Realizar una simulacin del
Iteracin
modelo, generando
Identificar las variables muestras aleatorias para Tras repetir "n" veces la
cuyo comportamiento las variables identificadas simulacin, dispondremos
aleatorio determina el de un mayor muestreo que
comportamiento globlal del nos facilita determinar el
sistema comportamiento.

Estructura Simulacin

Nuestro anlisis ser tanto ms preciso cuanto mayor sea el nmero n de

experimentos que llevemos a cabo,

Las aplicaciones del mtodo de Monte Carlo son especialmente tiles para la
simulacin de fenmenos con incertidumbre en los insumos y lapsos de tiempos para
determinadas tareas, en la ingeniera las aplicaciones del mtodo de Monte Carlo podemos
encontrar:

Estimar el retorno de la inversin y el riesgo de productos.

Pronosticar costos e ingresos
Pronosticar la capacidad optima de produccin
Estimar cantidades ptimas para pedidos y venta
Estimar las opciones reales de un proyecto
Definir estrategias de inversin

Ejemplo #1.

Supongamos que un borracho est parado en una esquina decide caminar para que
se le pase el efecto. Supongamos que existe una probabilidad igual de que se dirija al norte,
sur, este u oeste al llegar a cada esquina. Si camina 10 calles, Cul ser la probabilidad de
que termine su recorrido a 2 calles de donde empez?

FUNCION DIRECCION INTERVALOS

 PROBABILIDAD PROB.
P(x) ACUMULADA
(x+1) DERECHA 0.25 0.25 0 0.25
(x-1) IZQUIERDA 0.25 0.5 0.26 0.5
(y+1) NORTE 0.25 0.75 0.51 0.75
(y-1) SUR 0.25 1 0.76 1

RESULTADOS CONDICIONES PARA "x"

CORRECTOS
POSIBLES 0 # .25 meyor o igual a cero y menor o igual a .25 (celda+1)
(2,0) .26 # .50 meyor o igual a .26 y menor o igual a .51 (celda-1)
(-2,0) .51 # 1 meyor o igual a .51 y menor o igual a 1 (celda=celda)
(0,2)
(0,-2)
(1,1)
CONDICIONES PARA "y"
(-1,1)
(1,-1) 0 # .50 meyor o igual a cero y menor o igual a .50 (celda=celda)
(-1,-1) .51 # .75 meyor o igual a .51 y menor o igual a .75 (celda+1)
.76 # 1 meyor o igual a .76 y menor o igual a 1 (celda-1)

CONTEO DE RESULTADOS
46 QUE TERMINE A 2 CALLES DE DONDE EMPEZO
90 QUE NO TERMINE A 2 CALLES DE DOND EMPEZO
136 =N

TABLA DE PROBABILIDAD DE EVENTO

33.82% QUE TERMINE A 2 CALLES DE DONDE EMPEZO
66.18% QUE NO TERMINE A 2 CALLES DE DOND EMPEZO
100.00%